Calculadora de Muestra para Card Sorting Cuantitativo

Usa esta calculadora cuando el card sorting sea para validar una arquitectura, no para descubrirla:

Vas a analizar con matriz de similitud, dendrograma o porcentaje de acuerdo, no leyendo agrupaciones una por una

La estructura resultante se va a defender ante alguien que pide evidencia

Estás comparando dos taxonomías candidatas y necesitas saber cuál agrupa mejor

Cuándo no usarla: para un card sorting exploratorio, donde lo que buscas es entender el vocabulario y el modelo mental de la gente, Jakob Nielsen recomienda 15 participantes (Nielsen, 2004) y esa cifra sigue siendo razonable. Un card sorting cualitativo bien moderado con 15 personas te dirá más sobre por qué agrupan así que 30 sin moderar.

Tom Tullis y Larry Wood (Tullis y Wood, 2004) compararon las estructuras obtenidas con distintas submuestras contra las de un estudio completo de 168 participantes. El resultado, en correlación con la estructura final:

15 participantes: correlación de 0.90

20 participantes: alrededor de 0.93

30 participantes: correlación de 0.95

Nielsen leyó esos mismos datos y concluyó que 15 bastan para la mayoría de los proyectos, porque a partir de ahí los rendimientos decrecen rápido. No es una contradicción: responde a otra pregunta.

Esta calculadora parte de 30 porque el caso de uso es distinto. 15 alcanzan para orientar una decisión de arquitectura; 30 sostienen el análisis estadístico cuando la estructura se va a justificar con cifras.

Conviene decirlo con todas sus letras: la diferencia entre 0.90 y 0.95 es pequeña. Si tu presupuesto no llega a 30, un card sorting con 15 participantes sigue siendo un estudio útil. Pierdes precisión, no validez.

La calculadora resuelve n = min(30 * factor_tarjetas * factor_grupos, 100) y luego suma un 10% por no-show.

Factor tarjetas: el número de tarjetas dividido por 50. Por debajo de 50 tarjetas el factor es 1 y no altera nada.

Factor grupos: los grupos esperados divididos por 5. Por debajo de 5 grupos el factor es 1.

Techo de 100 participantes: deliberado. Por encima de ese punto el costo de reclutamiento crece más rápido que la estabilidad que ganas. Si el cálculo pasa de 80, la calculadora avisa que conviene simplificar el estudio antes que agrandar la muestra.

Estos dos factores no vienen del estudio de Tullis y Wood, que trabajó con un set fijo de tarjetas. Son un ajuste práctico con una lógica simple: más tarjetas y más grupos significan más pares posibles, y una matriz de similitud más dispersa necesita más observaciones para estabilizarse.

Abierto o cerrado cambia el esfuerzo, no la muestra. En el cerrado las categorías las das tú y la tarea es más rápida; en el abierto las nombra el participante y aparece el vocabulario real, a costa de sesiones más largas y análisis más lento.

Sets largos cansan. Pasadas las 60 tarjetas la calidad de las últimas agrupaciones suele caer: la gente empieza a agrupar por descarte. Si tu inventario es grande, dividirlo en dos estudios da mejores datos que estirar uno.

Se corre no moderado. A esta escala el card sorting cuantitativo se ejecuta con herramientas remotas. Eso hace el reclutamiento más barato, pero pierdes el por qué: si puedes, modera un puñado de sesiones aparte para interpretar los agrupamientos raros.

Cuida el sesgo del panel. Reclutar solo entre usuarios frecuentes produce una arquitectura que funciona para quienes ya conocen el producto. Para una taxonomía pública, el perfil que importa suele ser el de quien llega por primera vez.